DevOps to MLOps: Deploy and Manage Machine Learning Systems (bằng tiếng Anh).

Khi học máy chuyển từ nghiên cứu thực nghiệm sang môi trường sản xuất, các tổ chức cần các chuyên gia có thể nối kết khoảng cách giữa phát triển phần mềm và khoa học dữ liệu. Chuyển đổi từ DevOps truyền thống sang MLOps là chìa khóa để tự động hóa, triển khai và giám sát các mô hình học máy đáng tin cậy theo quy mô. Trong khóa học dựa trên văn bản toàn diện này, bạn sẽ học cách áp dụng các nguyên tắc DevOps được chứng minh trực tiếp vào chu kỳ sống học máy. Bạn sẽ bắt đầu với các khái niệm MLOps cốt lõi và tiến tới xây dựng các đường ống tự động, quản lý các đăng ký mô hình, và triển khai các hệ thống đào tạo và giám sát liên tục. Bạn sẽ học được: - Hiểu được sự khác biệt cơ bản giữa các luồng công việc DevOps và MLOps truyền thống - Cấu hình các đường ống tự động học máy cho việc chuẩn bị dữ liệu, huấn luyện mô hình và đánh giá - Quản lý phiên bản và triển khai mô hình bằng cách sử dụng đăng ký hiện đại và container hóa - Thực hiện tích hợp liên tục và triển khai liên tục (CI / CD) đặc biệt phù hợp cho các hệ thống ML - Theo dõi các mô hình triển khai trong sản xuất để phát hiện sự trôi dạt dữ liệu và suy giảm hiệu suất Chương trình bắt đầu với thuật ngữ cơ bản và kiến trúc MLOps trước khi hướng dẫn bạn qua các kịch bản viết cho tự động hóa đường ống, triển khai container và giám sát sản xuất. Bạn sẽ học cách thiết lập các vòng phản hồi mạnh mẽ để giữ cho mô hình học máy của bạn chính xác và đáng tin cậy theo thời gian. Lớp học này được thiết kế cho các kỹ sư DevOps, nhà phát triển phần mềm, và các chuyên gia dữ liệu tham vọng muốn vào không gian MLOps. Không cần kinh nghiệm học máy trước đó, mặc dù một hiểu biết cơ bản về các khái niệm phát triển phần mềm là hữu ích. Bắt đầu hành trình của bạn vào các hoạt động học máy và nắm vững các kỹ năng cần thiết để triển khai các hệ thống ML sẵn sàng sản xuất ngay hôm nay.